GET: Generative Embedding Translation for Medical Image Segmentation
GET：用于医学图像分割的生成式嵌入翻译
AI总结 该研究提出GET框架，基于Stable Diffusion VAE的冻结潜在空间实现医学图像分割，在多数据集上优于各类基线，参数更少且域偏移下性能提升显著。
Comments Accepted at ECCV 2026 - BioImage Computing Workshop
期刊&会议
ECCV
European Conference on Computer Vision · 会议 · Computer Vision
FixAnything: 3D-Consistent Rendering Refinement via Video Generative Priors
FixAnything：基于视频生成先验的3D一致性渲染优化
机构 * Carnegie Mellon University（卡内基梅隆大学）
AI总结 FixAnything是一款复用预训练视频生成模型、仅需轻量微调的单一模型，可修复3DGS、NeRF等四种3D表示的渲染伪影，实现3D一致性渲染，替代多个专用优化管线。
Comments Appearing in ECCV 2026. Project page: this https URL (https://fix-anything.github.io)
Action-Aligned Retrieval with Pairwise Multimodal Reranking for Text-Based Person Anomaly Search
用于基于文本的人员异常搜索的动作对齐检索与成对多模态重排序
机构 * University of Science, VNU-HCM（胡志明市国家大学科学大学） ； Vietnam National University, Ho Chi Minh City（胡志明市越南国家大学）
AI总结 针对基于文本的人员异常搜索中现有方法的局限，提出ActPair三阶段由粗到细框架，结合动作对齐检索与成对多模态重排序，在PAB测试集取得最优结果且可有效迁移至新数据集。
Comments Accepted to the AI City workshop @ ECCV 2026
BenthicFlow: Generating Extensible Underwater Environments via Flow Matching
BenthicFlow：基于流匹配生成可扩展水下环境
机构 * Eindhoven University of Technology（埃因霍温理工大学）
AI总结 BenthicFlow是基于条件流匹配的统一框架，可联合生成对齐纹理与深度图，实现无需单独拼接模型的可扩展水下RGBD场景，实验证实其能生成匹配目标分布的大型3D海底环境。
Comments Accepted to ECCV 2026 in the 2nd Workshop on Marine Vision
How Merge-Tolerant Are Vision Transformers for Wheat Phenotyping?
视觉Transformer对小麦表型分析的合并容忍度有多高？
AI总结 该研究针对小麦表型分析任务，系统基准测试了ToMe和互相对合并的合并容忍度，发现分类对合并容忍度高，检测和分割受多种因素限制，部署价值需在目标运行时分析。
Comments Accepted to the CVPPA workshop at ECCV 2026
Misanthrope: A Privacy-Preserving Keypoint Detector
Misanthrope：一种隐私保护型关键点检测器
机构 * Austrian Institute of Technology（奥地利技术研究所） ； Technical University of Braunschweig（布伦瑞克工业大学） ； University of Vienna（维也纳大学）
AI总结 本研究提出新型隐私保护关键点检测器Misanthrope，通过自蒸馏训练避免在人体上检测关键点以从源头缓解逆攻击，其图像匹配性能与最优方法相当，在人体干扰的挑战性场景及2021图像匹配挑战测试集上表现更优。
Comments Accepted to Privacy preserving Visual Localization (PPVLM) workshop at the European Conference on Computer Vision (ECCV) 2026
Following Motion for Sequential Modeling in Video Frame Interpolation
视频帧插值中用于序列建模的跟随运动方法
机构 * IPAI, Seoul National University（首尔国立大学 IPAI）
AI总结 针对SSMs预定义扫描顺序难以建模VFI动态运动轨迹的问题，提出MGMVFI模型，通过运动引导序列化与上下文合成等组件实现SOTA性能，为视频插值序列建模开辟新方向。
Comments Accepted to ECCV 2026
Mapping the Concept Landscape: Structural Perception of Global Distributions for Transparent Data Pruning
概念图谱绘制：面向透明数据剪枝的全局分布结构感知
机构 * Huazhong University of Science and Technology（华中科技大学） ； Ant Group（蚂蚁集团） ； Chinese Academy of Sciences（中国科学院）
AI总结 该研究提出Mapping the Concept Landscape框架，以样本级图刻画语义概念全局分布，开发贪心概念覆盖最大化算法，实现更优数据剪枝效率并提供可解释的审计轨迹。
Comments ECCV 2026
Seeing the Unseen: Semantic-in-Gaussian for Sparse-View 3D Generalization
看见不可见：用于稀疏视图三维泛化的高斯语义嵌入方法
机构 * School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； Global Institute of Future Technology, Shanghai Jiao Tong University（上海交通大学全球未来技术研究院）
AI总结 本文提出新型通用三维高斯溅射框架SeeU，通过跨视图熵感知模块与条件高斯变换器优化高斯估计，在稀疏视图场景下提升新视图合成的渲染质量与结构完整性，外推设置下PSNR较SOTA方法提升2.44 dB。
Comments Accepted at the ECCV 2026 Workshop on 3DWM
LoViF 2026 The First Challenge on Unified Removal of Raindrops and Reflections: Methods and Results
LoViF 2026：首届雨滴与反射联合去除挑战赛：方法与结果
AI总结 该论文回顾了首届LoViF 2026雨滴与反射联合去除挑战赛，该赛针对自动驾驶雨天雨滴-反射复合退化问题，吸引149人参赛、12份有效提交，基于RDRF数据集评估，分析方法结果并提供研究见解。
Comments ECCV 2026 Workshops
Learning Sample-wise Rank-aware Interpolation Weights for Composed Visual Data Retrieval
面向组合视觉数据检索的逐样本感知插值权重学习
机构 * AI Center, Samsung Electronics（三星电子AI中心） ； POSTECH（浦项科技大学） ； Ajou University（明知大学）
AI总结 针对组合视觉数据检索中基于MLLM方法延迟高的问题，提出SRAIN框架，通过批量排名感知权重估计和合成难负样本的内存库，实现低延迟且性能优异的检索。
Comments ECCV 2026
SAM3Dual: A 3rd Place Solution to the MOSEv2 Track, 8th LSVOS Challenge
SAM3Dual：第8届大规模视频对象分割（LSVOS）挑战赛MOSEv2赛道的第3名解决方案
机构 * Chung-Ang University（中央大学）
AI总结 该研究提出SAM3Dual作为第8届LSVOS挑战赛MOSEv2赛道第3名方案，通过无训练推理扩展SAM 3，划分时序内存分支并融合，获J&F分数64.37，实现高效长期VOS性能。
Comments 3rd place solution to the MOSEv2 Track of the 8th LSVOS Challenge at ECCV 2026
A Scalable Vector Graphics Latent Space
可缩放矢量图形隐空间
机构 * University of Modena and Reggio Emilia（摩德纳和雷焦艾米利亚大学）
AI总结 本文提出SLS（SVG隐空间），一种基于Transformer的自编码器，学习SVG路径的稠密可逆隐表示，可降低下游任务FLOPs超150倍，为矢量图形研究提供通用隐空间基础。
Comments Accepted at The 19th European Conference on Computer Vision -- ECCV 2026
Towards Alias-Free 4D Gaussian Representations with Motion-Aware Filtering
面向无混叠的4D高斯表示：结合运动感知滤波
机构 * Indian Institute of Science（印度科学学院） ； Samsung R&D Institute India - Bangalore（三星印度班加罗尔研发研究院）
AI总结 针对动态场景4D表示的混叠问题，提出运动感知3D平滑滤波器，适配各类4D表示，在标准数据集上性能优于现有最优方法。
Comments Accepted to ECCV 2026. Project Page: this https URL (https://maaf-4dgs.github.io/)
The Plan, Not the Decoder: Diagnosing and Repairing Compositional Failure in Reasoning-Augmented Text-to-Image Generation
计划而非解码器：诊断与修复推理增强型文本到图像生成中的组合式失败
机构 * Carnegie Mellon University（卡内基梅隆大学）
AI总结 该研究针对推理增强型文本到图像生成的组合式失败，发现问题源于规划器而非解码器，通过编辑计划（如重写几何结构）可显著提升生成质量，还发布了相关评估协议及数据。
Comments 15 pages, 7 figures. Accepted at ECCV 2026 (oral)
EXPL-FR: Explaining Face Recognition Models via Vision-Language Alignment
EXPL-FR：基于视觉-语言对齐的人脸识别模型解释方法
机构 * Fraunhofer IGD（弗劳恩霍夫应用研究促进协会图形数据处理研究所） ； TU Darmstadt（达姆施塔特工业大学）
AI总结 EXPL-FR是一种基于视觉-语言对齐的人脸识别模型解释方法，通过轻量适配器在FR嵌入空间内生成语义特征，支持多粒度解释，可实现无标签的属性级审计与模型性能排名。
Comments Accepted at the ECCV 2026 Workshops
BIMScript: Material-Aware Structured Scene Programs for BIM Ingestion
BIMScript：用于BIM导入的材料感知结构化场景程序
机构 * Aalborg University（奥尔堡大学） ； Pioneer Centre for Artificial Intelligence（人工智能先锋中心）
AI总结 本文提出BIMScript，通过扩展布局语言属性、优化解码方案、改进粒度处理，实现合成扫描数据到BIM工具的端到端自动导入，且支持大语言模型驱动的可持续性推理。
Comments Project Page: see this https URL (https://bimscriptworld.github.io/BIMScript/); to be published in ECCV 2026 TwinWorld Workshop
Aligning Human Sense: Calibrated Distributional Reward Learning for Video Generation
对齐人类感知：用于视频生成的校准分布奖励学习
AI总结 本文针对视频生成中奖励信号不可靠、偏好维度权衡丢失、KL散度难捕捉偏好全局结构的问题，提出统一偏好感知学习框架，通过精英过滤、分布建模与Wasserstein对齐改进，提升了奖励可靠性与视频感知一致性。
Comments Accepted by ECCV 2026
GuideFetch: A Task Coordination Framework for Concurrent Navigation and Object Retrieval in Assistive Robot Dogs
GuideFetch：用于辅助机器狗并发导航与物体检索的任务协调框架
机构 * Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院） ； Hunan University（湖南大学）
AI总结 针对异构辅助机器狗的导航与物体检索并发任务，提出GuideFetch协调框架，通过LLM规划与状态验证提升执行效率，并行执行可缩短41.3%平均总完成时间。
Comments Accepted to the 1st Workshop on Multimodal Digital Agents (MDA) at ECCV 2026
CBX-Bench: A Human-Aligned MLLM Council for Benchmarking Concept Bottleneck Model Explanations
CBX-Bench：用于评估概念瓶颈模型解释的人类对齐多模态大语言模型委员会
AI总结 该研究开发了人类对齐的多模态大语言模型（MLLM）委员会，构建了CBX-Bench基准，实现了概念瓶颈模型（CBM）解释的可扩展定量评估，其在人类偏好排名上的恢复率达70%以上。
Comments Accepted to the Explainable Computer Vision (eXCV) Workshop at ECCV 2026
Do Sheaf Neural Networks Use Holonomy? A Measure--Intervene--Control Study
层神经网络是否使用和乐性？一项测量-干预-控制研究
机构 * KTH Royal Institute of Technology（瑞典皇家理工学院）
AI总结 以层神经网络为测试平台，对训练后的三角循环积进行与基无关测量，通过神经层传播等方法区分几何变化等，在不同实验设置下观察其效果，研究层神经网络是否使用和乐性及相关特性。
Comments Accepted as an extended abstract at Geometric Intelligence @ ECCV 2026
FSDC-DETR: A Frequency-Spatial Domain Collaborative DETR for Small Object Detection
FSDC-DETR：面向小目标检测的频域-空域协同DETR
机构 * Micro-Intelligence（微智感知） ； East China Normal University（华东师范大学） ； University of Leicester（莱斯特大学） ； Chongqing Normal University（重庆师范大学）
AI总结 针对现有检测器易丢失小目标高频分量的问题，提出频域-空域协同DETR框架，通过双分支融合、交互机制与动态下采样实现小目标检测性能显著提升。
Comments Accepted by ECCV 2026
GeoMix: Descriptor-Free Visual Localization via Global Context and Multi-Detector Training
GeoMix: 通过全局上下文和多检测器训练实现无描述符视觉定位
机构 * Aalto University（阿尔托大学） ； Tampere University（坦佩雷大学） ； University of Oulu（奥卢大学）
AI总结 提出GeoMix框架，通过局部方向与距离嵌入、全局上下文节点和多检测器混合训练，增强几何判别性，显著提升无描述符视觉定位精度。
Comments ECCV 2026
SceneOrchestra: Efficient Agentic 3D Scene Synthesis via Full Tool-Call Trajectory Generation
SceneOrchestra: 通过完整工具调用轨迹生成实现高效的代理3D场景合成
机构 * University of Maryland, College Park（马里兰大学学院公园分校）
AI总结 SceneOrchestra通过训练可调的 orchestration 框架优化工具调用流程，消除逐步审查循环，提升效率和输出质量。
Comments Accepted by ECCV 2026
LangDriveCTRL: Natural Language Controllable Driving Scene Editing with Multi-modal Agents
LangDriveCTRL: 通过多模态代理实现自然语言可控的驾驶场景编辑
机构 * University of Maryland, College Park（马里兰大学帕克分校） ； NEC Labs America（NEC美国实验室） ； UC San Diego（加州大学圣迭戈分校）
AI总结 LangDriveCTRL通过多模态代理实现驾驶视频的自然语言可控编辑，生成多样化的交通场景，提升真实感和交通场景的真实性。
Comments Accepted by ECCV 2026. Project Page: this https URL (https://yunhe24.github.io/langdrivectrl/)
FaCT-GS: Fast and Scalable CT Reconstruction with Gaussian Splatting
FaCT-GS：基于高斯点撒的快速可扩展CT重建
机构 * Technical University of Denmark（丹麦技术大学）
AI总结 本文提出FaCT-GS框架，通过优化体素化和光栅化流程，实现快速且可扩展的CT重建，比现有方法快4-13倍，适用于不同投影尺寸。
Comments Accepted at the European Conference on Computer Vision (ECCV) 2026
ATP-Bench: Towards Agentic Tool Planning for MLLM Interleaved Generation
ATP-Bench: 向多模态大语言模型交错生成的代理工具规划迈进
机构 * Qwen Large Model Application Team, Alibaba（阿里巴巴通义千问大模型应用团队） ； Huazhong University of Science and Technology（华中科技大学） ； Zhejiang University（浙江大学）
AI总结 针对多模态大语言模型交错生成中事实性与创造性难以统一的问题，提出ATP-Bench基准，包含7702个问题-答案对，评估代理工具规划能力，揭示模型在交错规划中的不足。
Comments Accepted at the European Conference on Computer Vision (ECCV) 2026
VisionCoach: Reinforcing Grounded Video Reasoning via Visual-Perception Prompting
VisionCoach: 通过视觉感知提示强化视频推理
AI总结 VisionCoach通过视觉提示指导强化学习，提升视频推理的时空定位能力，实现无需外部工具的高效推理。
Comments Accepted to ECCV 2026; Project website: this https URL (https://visioncoach.github.io/)
